这期内容当中小编将会给大家带来有关Python中如何Pandas代码助数据从业人员开启新征程，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

坚守“ 做人真诚 · 做事靠谱 · 口碑至上 · 高效敬业 ”的价值观，专业网站建设服务10余年为成都墙体彩绘小微创业公司专业提供成都企业网站定制营销网站建设商城网站建设手机网站建设小程序网站建设网站改版，从内容策划、视觉设计、底层架构、网页布局、功能开发迭代于一体的高端网站建设服务。

摘要

Pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。不少利用Python做数据分析的朋友应该对Pandas不陌生，这里给大家总结了20个常用的Pandas代码帮助大家更快速的理解数据。

我这里将这20个Pandas代码分成三类：

• 基本数据信息

• 基本数据处理

• 操作Data frames

基本数据信息

1、基本读写数据集（CSV、Execl）

# csv
# 读
pd.DataFrame.from_csv(“csv_file”) 
pd.read_csv(“csv_file”)
# 写
df.to_csv("data.csv", sep=",", index=False) # 逗号分隔，没有下标
# execl
pd.read_excel("excel_file")
df.to_execl("data.xlsx",sheet_name='a')

2、基本数据集特征

df.info()

3、基本数据统计

df.describe()

4、将data frames输出到一张表里（tabulate模块）

from tabulate import tabulate
print(tabulate(print_table, headers=headers))
# print_table 为包含列表的列表
# headers 为表头所包含的字段

5、列出所有的字段

df.columns

6、得到前后n行

df.head(n) #前n行
df.tail(n) #后n行

7、通过特征、位置定位数据

df.loc[feature_name]
#选择“size”列的第一行
df.loc([0], ['size'])
df.iloc[n] # 位置

基本数据处理

8、去除缺失值

df.dropna(axis=0, how='any')

9、替换缺失值

df.replace(to_replace=None, value=None)
# 将“to_replace”中的值替换为“value”

10、检查缺失值

pd.isnull(object)
# 检测缺失值(数值数组中的NaN，对象数组中的None/NaN)

11、删除一个字段

df.drop('feature_variable_name', axis=1)
# 轴对于行是0，对于列是1

12、将对象类型转换为数值

pd.to_numeric(df["feature_name"], errors='coerce')
# 将对象类型转换为numeric以便能够执行计算(如果它们是字符串)

13、将Dataframe转换为numpy数组

df.as_matrix()

操作Data frames

14、将函数应用于dataframe

# 这个将把数据的“height”列中的所有值乘以2
1、df["height"].apply(lambda height: 2 * height)
2、def multiply(x):
 return x * 2
df["height"].apply(multiply)

15、从命名一列

# 这里，将把数据的第三列重命名为“size”
df.rename(columns = {df.columns[2]:'size'}, inplace=True)

16、获取某列的唯一项

# 这里将得到列“name”的唯一条目
df["name"].unique()

17、多级访问

# 在这里，将从数据中获取列的选择，“name”和“size”
new_df = df[["name", "size"]]

18、数据的一些统计量df.sum()

df.min()
df.max()
df.idxmin()
df.idxmax() #返回大值索引
df.mean()
df.median()
df.corr() # 不同列之间的相关系数
df["size"].median

19、 数据排序

df.sort_values(ascending = False)

20、布尔索引

df[df["size"] == 5] #布尔型索引

上述就是小编为大家分享的Python中如何Pandas代码助数据从业人员开启新征程了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联-成都网站建设公司行业资讯频道。

本文题目：Python中如何Pandas代码助数据从业人员开启新征程-创新互联
网页URL：http://scyanting.com/article/dgjedp.html